Improving practice through collaboration: Early experiences from the multi-site Spinal Cord Injury Implementation and Evaluation Quality Care Consortium
Notice bibliographique
Résumé
CONTEXT: Dedicated implementation efforts are critical to bridging the gaps between current practices and best practices. A quality improvement collaborative (QIC), the Spinal Cord Injury Implementation and Evaluation Quality Care Consortium (SCI IEQCC), was established to meet this need, bringing together a network of clinicians and administrators to systematically improve the quality and equity of tertiary spinal cord injury or disease (SCI/D) rehabilitation care in Ontario, Canada. METHODS: Clinicians and leaders from five tertiary SCI/D rehabilitation centers and two not-for-profit SCI/D advocacy groups comprised a network dedicated to supporting implementation of the SCI-High quality indicators in prioritized domains of SCI rehabilitation and related best practices by: (1) building capacity through implementation science education of frontline clinicians; (2) providing resources and support to empower frontline clinicians to lead quality improvement efforts within their institutions; (3) promoting wider learning through a network for sharing ideas, efforts, and experiences; and (4) collecting indicator data to facilitate provincial evaluation of goal attainment. RESULTS: Network members and sites collaborated to implement best practices within six priority domains; in 18 months, significant progress has been made in emotional wellbeing, sexual health, walking, and wheeled mobility despite disruptions due to the COVID-19 pandemic. These efforts encompass heterogeneous challenges and strategies, ranging from developing clinical skills programs, to streamlining processes, to manipulating physical space. CONCLUSION: A QIC targeting SCI/D rehabilitation demonstrates promise for advancing the implementation of best practices, building implementation science capacity across multiple sites, and for promoting collaboration amongst SCI/D rehabilitation centers and organizational partners.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,119 | 0,128 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,022 | 0,014 |
| Communication savante | 0,017 | 0,009 |
| Science ouverte | 0,006 | 0,032 |
| Intégrité de la recherche | 0,006 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».